F5-TTS es un TTS de transformador de difusión que clona una voz a partir de unos pocos segundos de audio con prosodia natural, totalmente local y lo suficientemente rápido para un uso práctico.
| Categoría | Reconocimiento de voz (STT / TTS) |
| Tipo | Texto a voz (modelo) |
| Licencia | MIT |
| Ejecuta localmente | Sí |
| Construido con | Python |
| Nivel de habilidad | Intermedio |
| Mejor para | clonación de voz local de alta calidad |
Otras herramientas de voz (stt / tts) de código abierto que vale la pena comparar:
WhisperBase de referencia de OpenAI para conversión de voz a texto
faster-whisperWhisper, mucho más rápido y ligero
WhisperXWhisper más marcas de tiempo de palabras y diarización
PiperTexto a voz neural rápida y local
Coqui TTSTTS de aprendizaje profundo con clonación de voz
BarkTexto a audio con voces y efectos
KokoroPequeño TTS de 82M con calidad asombrosa
whisper.cppWhisper en C/C++ puro, funciona en cualquier lugar
OpenVoiceClona una voz y controla su emoción
StyleTTS 2Síntesis de voz a nivel humano
pyannote.audioSabe quién habló cuándo
Silero VADDetecta el habla en audio, instantáneamenteF5-TTS es gratuito y de código abierto (licencia MIT), por lo que puedes usarlo, alojarlo y modificarlo sin costo alguno.
Sí. F5-TTS está diseñado para ejecutarse en tu propia máquina o servidor, manteniendo tus datos privados.
Las alternativas populares de código abierto incluyen Whisper, faster-whisper, WhisperX. Consulta las comparaciones anteriores para elegir.
Navega por el directorio completo de herramientas, modelos y proyectos de IA de código abierto, actualizado diariamente.
Navega todas las herramientas →